순위 상관계수의 점근적 추론 이산형 및 시계열 데이터에 대한 완전한 해법

초록

본 논문은 Kendall의 τ와 Spearman의 ρ를 포함한 전통적 순위 상관계수들의 점근적 분포와 일관된 분산 추정량을 iid와 약한 의존성을 갖는 시계열 모두에 대해 체계적으로 제시한다. 이산형 변수와 결합된 타이 발생 확률을 고려한 새로운 분산 공식과 신뢰구간·검정 절차를 제공한다.

상세 분석

논문은 먼저 순위 상관계수의 근본적 정의를 중간분포함수와 부호함수로 재표현한다. 이를 통해 연속형과 이산형 모두에서 동일한 형태의 기대값 표현을 얻으며, 특히 이산형 경우 단일·이중 타이 확률 ζ(X)와 ζ₂(X)가 분산에 직접 영향을 미치는 핵심 요인임을 강조한다. 이후 U‑통계량 이론을 활용해 τ, ρ, γ, τ_b, ρ_b의 경험적 추정량이 2차 U‑통계량임을 확인하고, 약한 의존성을 갖는 시계열에 대해 Dehling(2006)의 결과를 확장한다. 저자는 일반적인 약한 의존 조건(α‑mixing 등) 하에서 중심극한정리를 증명하고, 다변량 U‑통계량 벡터에 대한 다변량 정규성을 도출한다. 이 과정에서 공분산 행렬을 구성하는 각 원소가 단일·이중 타이 확률 및 시계열 자기공분산 구조에 의해 어떻게 결정되는지를 상세히 제시한다. 분산 추정에 대해서는 기존 문헌에서 제시된 근사식이 불완전함을 지적하고, 표본 기반의 U‑통계량 형태의 일관적 추정량을 새롭게 제안한다. 이 추정량은 타이 발생 빈도를 직접 계산하는 방식으로, 연속형 한계값(4/9, 1 등)과 달리 이산형 경우에도 정확히 적용 가능하다. 또한 독립성 검정에서 귀무분포 하의 제한 분산을 이산형 전용 공식으로 제공함으로써, 기존에 연속형 가정에만 의존하던 검정 절차를 보완한다. 시뮬레이션에서는 다양한 연속·이산 iid 및 ARMA·GARCH 계열을 대상으로 제안된 신뢰구간과 검정의 크기·힘을 평가하고, 기존 근사식 대비 현저히 낮은 평균제곱오차와 적절한 커버리지를 확인한다. 실증 사례에서는 금융 수익률 순위와 설문 응답 순위를 분석해, 새로운 방법이 실무에서 어떻게 적용될 수 있는지를 보여준다. 전체적으로 논문은 순위 상관계수의 점근적 이론을 이산형·시계열까지 포괄적으로 확장하고, 실용적인 분산 추정과 검정 도구를 제공함으로써 통계·계량경제학 분야에 중요한 공백을 메운다.